| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Territorial. |
|
Data corrente: |
30/03/2011 |
|
Data da última atualização: |
30/03/2011 |
|
Tipo da produção científica: |
Boletim de Pesquisa e Desenvolvimento |
|
Autoria: |
RODRIGUES, C. A. G.; GOMES, K. E.; CAMPONOGARA, T.; AROSEMENA, D. R. |
|
Afiliação: |
CRISTINA APARECIDA G RODRIGUES, CNPM; KLECIUS ELLERA GOMES, DPD; TIAGO CAMPONOGARA, URCAMP; DIEGO ROST AROSEMENA, URCAMP. |
|
Título: |
Avaliação do sistema radicular e de rizomas de um campo natural diferido em Bagé, RS. |
|
Ano de publicação: |
2010 |
|
Fonte/Imprenta: |
Campinas: Embrapa Monitoramento por Satélite, 2010. |
|
Páginas: |
17 p. |
|
Série: |
(Embrapa Monitoramento por Satélite. Boletim de Pesquisa e Desenvolvimento, 10). |
|
ISSN: |
1806-3322 |
|
Idioma: |
Português |
|
Conteúdo: |
A utilização do Campo Sulino natural na pecuária de forma cada vez mais intensa e constante tem provocado a diminuição da sua condição produtiva. A excessiva remoção da parte aérea afeta o desenvolvimento das raízes. Um sistema radicular bem desenvolvido permite às plantas forrageiras explorar maior volume de solo, melhorando a absorção de água e nutrientes. As raízes também funcionam como órgão de reserva, assegurando rápida rebrota e produtividade das plantas forrageiras. O diferimento é uma prática de manejo de pastagens que pode ajudar a recuperar o campo por meio de descanso programado durante um tempo determinado. Este trabalho avaliou o efeito do tratamento de diferimento sobre o sistema radicular de campo natural após três anos de aplicação (agosto de 2000 a julho de 2003) na Embrapa Pecuária Sul (Bagé, RS). As avaliações foram realizadas no campo com presença animal durante todo o ano e sob diferimento de verão/outono (sem animais na área de março a junho). Foram coletadas 18 amostras de solo em cada tratamento, nas profundidades de 0?10 cm e 10?20 cm. As raízes e os rizomas foram separados do solo e entre si, secos e pesados. Houve diferença (p<0,05) para a porcentagem de raízes e a massa da matéria seca de rizomas. A testemunha apresentou 83,98% das raízes na camada de 0?10 cm e o diferimento, 77,5%. Na camada de 10?20 cm, sob diferimento houve aumento de 35% de raízes em relação à testemunha. A maior massa de matéria seca de rizomas foi obtida em pastagem sob diferimento, com 106% a mais em comparação à testemunha. Os resultados indicam vantagem do descanso da pastagem dos Campos Sulinos, tanto no acúmulo de reservas (maior quantidade de rizomas) voltado à propagação de gramíneas rizomatosas de interesse, quanto também no desenvolvimento de raízes na camada de 10?20 cm. MenosA utilização do Campo Sulino natural na pecuária de forma cada vez mais intensa e constante tem provocado a diminuição da sua condição produtiva. A excessiva remoção da parte aérea afeta o desenvolvimento das raízes. Um sistema radicular bem desenvolvido permite às plantas forrageiras explorar maior volume de solo, melhorando a absorção de água e nutrientes. As raízes também funcionam como órgão de reserva, assegurando rápida rebrota e produtividade das plantas forrageiras. O diferimento é uma prática de manejo de pastagens que pode ajudar a recuperar o campo por meio de descanso programado durante um tempo determinado. Este trabalho avaliou o efeito do tratamento de diferimento sobre o sistema radicular de campo natural após três anos de aplicação (agosto de 2000 a julho de 2003) na Embrapa Pecuária Sul (Bagé, RS). As avaliações foram realizadas no campo com presença animal durante todo o ano e sob diferimento de verão/outono (sem animais na área de março a junho). Foram coletadas 18 amostras de solo em cada tratamento, nas profundidades de 0?10 cm e 10?20 cm. As raízes e os rizomas foram separados do solo e entre si, secos e pesados. Houve diferença (p<0,05) para a porcentagem de raízes e a massa da matéria seca de rizomas. A testemunha apresentou 83,98% das raízes na camada de 0?10 cm e o diferimento, 77,5%. Na camada de 10?20 cm, sob diferimento houve aumento de 35% de raízes em relação à testemunha. A maior massa de matéria seca de rizomas foi obtida em pastagem sob dif... Mostrar Tudo |
|
Thesagro: |
Campo; Manejo do Solo; Pastagem; Sistema Radicular. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/31700/1/BPD-10.pdf
|
|
Marc: |
LEADER 02591nam a2200229 a 4500
001 1883888
005 2011-03-30
008 2010 bl uuuu u0uu1 u #d
022 $a1806-3322
100 1 $aRODRIGUES, C. A. G.
245 $aAvaliação do sistema radicular e de rizomas de um campo natural diferido em Bagé, RS.$h[electronic resource]
260 $aCampinas: Embrapa Monitoramento por Satélite$c2010
300 $a17 p.
490 $a(Embrapa Monitoramento por Satélite. Boletim de Pesquisa e Desenvolvimento, 10).
520 $aA utilização do Campo Sulino natural na pecuária de forma cada vez mais intensa e constante tem provocado a diminuição da sua condição produtiva. A excessiva remoção da parte aérea afeta o desenvolvimento das raízes. Um sistema radicular bem desenvolvido permite às plantas forrageiras explorar maior volume de solo, melhorando a absorção de água e nutrientes. As raízes também funcionam como órgão de reserva, assegurando rápida rebrota e produtividade das plantas forrageiras. O diferimento é uma prática de manejo de pastagens que pode ajudar a recuperar o campo por meio de descanso programado durante um tempo determinado. Este trabalho avaliou o efeito do tratamento de diferimento sobre o sistema radicular de campo natural após três anos de aplicação (agosto de 2000 a julho de 2003) na Embrapa Pecuária Sul (Bagé, RS). As avaliações foram realizadas no campo com presença animal durante todo o ano e sob diferimento de verão/outono (sem animais na área de março a junho). Foram coletadas 18 amostras de solo em cada tratamento, nas profundidades de 0?10 cm e 10?20 cm. As raízes e os rizomas foram separados do solo e entre si, secos e pesados. Houve diferença (p<0,05) para a porcentagem de raízes e a massa da matéria seca de rizomas. A testemunha apresentou 83,98% das raízes na camada de 0?10 cm e o diferimento, 77,5%. Na camada de 10?20 cm, sob diferimento houve aumento de 35% de raízes em relação à testemunha. A maior massa de matéria seca de rizomas foi obtida em pastagem sob diferimento, com 106% a mais em comparação à testemunha. Os resultados indicam vantagem do descanso da pastagem dos Campos Sulinos, tanto no acúmulo de reservas (maior quantidade de rizomas) voltado à propagação de gramíneas rizomatosas de interesse, quanto também no desenvolvimento de raízes na camada de 10?20 cm.
650 $aCampo
650 $aManejo do Solo
650 $aPastagem
650 $aSistema Radicular
700 1 $aGOMES, K. E.
700 1 $aCAMPONOGARA, T.
700 1 $aAROSEMENA, D. R.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Territorial (CNPM) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Pecuária Sudeste. |
|
Data corrente: |
21/05/2019 |
|
Data da última atualização: |
13/03/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
SANTOS, I. G. dos; CRUZ, C. D.; NASCIMENTO, M.; FERREIRA, R. de P. |
|
Afiliação: |
Iara Gonçalves dos Santos, UFV; Cosme Damião Cruz, UFV; Moysés Nascimento, UFV; REINALDO DE PAULA FERREIRA, CPPSE. |
|
Título: |
Selection index as a priori information for using artificial neural networks to classify alfalfa genotypes. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
Genetics and Molecular Research, v. 18, n. 2, gmr18221, 2019. |
|
DOI: |
doi.org/10.4238/gmr18221 |
|
Idioma: |
Inglês |
|
Conteúdo: |
The efficiency of a selection index generally depends on the quality of the variance matrixes, which demands controlled experiments. Using Artificial Neural Networks (ANNs) trained from a selection index is advantageous for selecting genotypes since an ANN has the capacity to classify genotypes in an automated way. We propose the use of ANNs for the selection of alfalfa genotypes, based on a selection index. Data were collected from 77 alfalfa genotypes evaluated based on nine traits from four cuttings. The traits were divided into forage yield and nutritive value groups. In order for the ANNs to learn the classification pattern, the Tai index was used, which allows secondary traits to be included in the index to improve the gains of the main traits. An index was established for each group of traits, and based on the index scores the genotypes were subdivided into four classes (optimal, good, medium, and bad). After testing different topologies, ANNs were established for each index, according to the apparent error rates. The chosen ANNs were efficient in classifying the genotypes since the highest apparent error rate reached 15%, meaning that the ANNs efficiently captured the data pattern. Considering the ANN classification for both groups of traits, there was a high degree of agreement with the classification obtained from the Tai index, as expected. Even in the cuttings where the ANNs presented the worst performance, their potential to classify alfalfa genotypes was clear, because the wrong classifications were placed in groups close to the correct ones. This ensured that the best genotypes did not run the risk of being discarded, since they would not classified in the group of bad genotypes. The ANNs that were developed have good potential for use in alfalfa breeding programs. MenosThe efficiency of a selection index generally depends on the quality of the variance matrixes, which demands controlled experiments. Using Artificial Neural Networks (ANNs) trained from a selection index is advantageous for selecting genotypes since an ANN has the capacity to classify genotypes in an automated way. We propose the use of ANNs for the selection of alfalfa genotypes, based on a selection index. Data were collected from 77 alfalfa genotypes evaluated based on nine traits from four cuttings. The traits were divided into forage yield and nutritive value groups. In order for the ANNs to learn the classification pattern, the Tai index was used, which allows secondary traits to be included in the index to improve the gains of the main traits. An index was established for each group of traits, and based on the index scores the genotypes were subdivided into four classes (optimal, good, medium, and bad). After testing different topologies, ANNs were established for each index, according to the apparent error rates. The chosen ANNs were efficient in classifying the genotypes since the highest apparent error rate reached 15%, meaning that the ANNs efficiently captured the data pattern. Considering the ANN classification for both groups of traits, there was a high degree of agreement with the classification obtained from the Tai index, as expected. Even in the cuttings where the ANNs presented the worst performance, their potential to classify alfalfa genotypes was clear,... Mostrar Tudo |
|
Palavras-Chave: |
Computational intelligence; Tai index. |
|
Thesagro: |
Medicago Sativa. |
|
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/197607/1/gmr18221-selection-index-priori-information-using.pdf
|
|
Marc: |
LEADER 02470naa a2200205 a 4500
001 2109207
005 2023-03-13
008 2019 bl uuuu u00u1 u #d
024 7 $adoi.org/10.4238/gmr18221$2DOI
100 1 $aSANTOS, I. G. dos
245 $aSelection index as a priori information for using artificial neural networks to classify alfalfa genotypes.$h[electronic resource]
260 $c2019
520 $aThe efficiency of a selection index generally depends on the quality of the variance matrixes, which demands controlled experiments. Using Artificial Neural Networks (ANNs) trained from a selection index is advantageous for selecting genotypes since an ANN has the capacity to classify genotypes in an automated way. We propose the use of ANNs for the selection of alfalfa genotypes, based on a selection index. Data were collected from 77 alfalfa genotypes evaluated based on nine traits from four cuttings. The traits were divided into forage yield and nutritive value groups. In order for the ANNs to learn the classification pattern, the Tai index was used, which allows secondary traits to be included in the index to improve the gains of the main traits. An index was established for each group of traits, and based on the index scores the genotypes were subdivided into four classes (optimal, good, medium, and bad). After testing different topologies, ANNs were established for each index, according to the apparent error rates. The chosen ANNs were efficient in classifying the genotypes since the highest apparent error rate reached 15%, meaning that the ANNs efficiently captured the data pattern. Considering the ANN classification for both groups of traits, there was a high degree of agreement with the classification obtained from the Tai index, as expected. Even in the cuttings where the ANNs presented the worst performance, their potential to classify alfalfa genotypes was clear, because the wrong classifications were placed in groups close to the correct ones. This ensured that the best genotypes did not run the risk of being discarded, since they would not classified in the group of bad genotypes. The ANNs that were developed have good potential for use in alfalfa breeding programs.
650 $aMedicago Sativa
653 $aComputational intelligence
653 $aTai index
700 1 $aCRUZ, C. D.
700 1 $aNASCIMENTO, M.
700 1 $aFERREIRA, R. de P.
773 $tGenetics and Molecular Research$gv. 18, n. 2, gmr18221, 2019.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Pecuária Sudeste (CPPSE) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
